Lernen von Kategorien

Annotation

Meine ursprungliche Absicht war es, ein konnektionistisches Modell zu ent- wickeln, welches fur eine moglichst breite Palette von Lernvorgangen, am besten fur das gesamte Gebiet des Lernens, angewandt werden kann. Diese Idee wurde relativ schnell wieder verworfen, da die Konsequenz gewesen ware, viele Bereiche nur oberflachlich zu beruhren. Statt dessen wurde mit dem Klassifikationslernen ein begrenzter, aber zentraler Bereich des Lernens herausgegriffen. Ausgehend von einzelnen speziellen empirischen Phanome- nen wurde hierzu ein modulares konnektionistisches Modell entwickelt. Da- bei habe ich jedoch immer darauf geachtet, jede Modellkomponente so zu konstruieren, da sie nicht nur fur ein einzelnes Phanomen, sondern mog- lichst universell einsetzbar ist. Im Nachhinein erwies sich dieses Vorgehen als produktiver Weg fur die Modellentwicklung und kann als Beleg fur die Annahme gesehen werden, da verschiedene Anwendungsbereiche zwar unterschiedliche Lemrnechanismen erfordern, die zugrunde liegenden Infor- mationsverarbeitungsstrukturen jedoch in wesentlichen Aspekten gleich sind. Das Gebiet des Klassifikationslernens schlielich ist keinesfalls so begrenzt wie zu Beginn angenommen. Daher entstand letztendlich doch ein Modell mit breiter Anwendungspalette - nicht weit von meinem ursprunglichen Ziel entfernt. Die hier vorliegende Arbeit basiert auf meiner Habilitationsschrift. Insbe- sondere der zweite Teil ist jedoch gegenuber der ursprunglichen Fassung (Heydemann, 1997) wesentlich verandert. Die Darstellung des Modells in Kapitel 6 wurde geandert. Die Details der Experimente in den Kapiteln 7 und 8 fallen weg, so da diese Kapitel deutlich gekurzt sind. Die Kapitel 10 und 11 habe ich um wesentliche Punkte erweitert und neu geschrieben.